Tidsserieapproximativ Bayesiansk beräkning
Tidsserie-ABC är en sannolikhetsfri Bayesiansk inferensmetod som estimerar posteriorfördelningen av modellparametrar för dynamiska eller tidsindexerade system genom att jämföra sammanfattande statistik från simulerade trajektorier med de från observerade serier, vilket kringgår behovet av att utvärdera en analytisk sannolikhet. Metoden är särskilt värdefull för komplexa mekanistiska eller stokastiska modeller vars sannolikheter är obegripliga.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Toni, T., Welch, D., Strelkowa, N., Ipsen, A. & Stumpf, M. P. H. (2009). Approximate Bayesian computation scheme for parameter inference and model selection in dynamical systems. Journal of the Royal Society Interface, 6(31), 187–202. DOI: 10.1098/rsif.2008.0172 ↗
- Sisson, S. A., Fan, Y. & Beaumont, M. A. (Eds.) (2018). Handbook of Approximate Bayesian Computation. CRC Press. ISBN: 978-1439881507
Så citerar du den här sidan
ScholarGate. (2026, June 3). Time Series Approximate Bayesian Computation. ScholarGate. https://scholargate.app/sv/bayesian/time-series-approximate-bayesian-computation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Approximativ Bayesiansk BeräkningSimulering↔ compare
- Dynamisk Bayesiansk inferensBayesiansk statistik↔ compare
- KalmanfilterBayesiansk statistik↔ compare
- Partikelfilter (sekventiell Monte Carlo)Bayesiansk statistik↔ compare
- Sekventiell Monte CarloBayesiansk statistik↔ compare
- Bayesiansk inferens för tidsserierBayesiansk statistik↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →